Regularizált döntési fa
A regularizált döntési fa egy olyan döntési fa modell, amelynek komplexitását szándékosan korlátozzák metszéssel, mélységi megkötésekkel vagy büntetőtagokkal az alulilleszkedés megelőzése érdekében. A Breiman et al. által kidolgozott CART keretrendszerben (1984) gyökerező regularizáció az önkényes faépítési eljárást az elfogultság-variancia kompromisszumává alakítja, ami jobb általánosítású modelleket eredményez az ismeretlen adatokra, mint a teljesen kifejlett fák.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Breiman, L., Friedman, J., Olshen, R., & Stone, C. (1984). Classification and Regression Trees. Wadsworth. ISBN: 978-0-412-04841-8
- Esposito, F., Malerba, D., & Semeraro, G. (1997). A comparative analysis of methods for pruning decision trees. IEEE Transactions on Pattern Analysis and Machine Intelligence, 19(5), 476–491. DOI: 10.1109/34.589207 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Regularized Decision Tree (Pruned and Constrained CART). ScholarGate. https://scholargate.app/hu/machine-learning/regularized-decision-tree
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- BoostingGépi tanulás↔ compare
- Döntési faGépi tanulás↔ compare
- Extra TreesGépi tanulás↔ compare
- Véletlen erdőGépi tanulás↔ compare
- Regularizált lineáris regresszióGépi tanulás↔ compare
- Regularized Random ForestGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →